Rompiendo barreras de datos: ¿Puede el Protocolo de Contexto de Modelo de Anthropic mejorar el rendimiento de la IA?

El innovador Protocolo de Contexto de Modelo (MCP) de Anthropic tiene como objetivo abordar los datos fragmentados y mejorar la eficiencia de las soluciones impulsadas por IA. ¿Podría convertirse en el estándar para la integración de IA consciente del contexto?

Uno de los desafíos más apremiantes en la innovación de la inteligencia artificial (IA) hoy en día es el aislamiento de los grandes modelos de lenguaje (LLM) de los datos en tiempo real. Para abordar este problema, la empresa de investigación y seguridad de IA con sede en San Francisco, Anthropic, anunció recientemente una arquitectura de desarrollo única para reformar la forma en que los modelos de IA interactúan con los datos.

El nuevo Protocolo de Contexto de Modelo (MCP) de la empresa, lanzado como un proyecto de código abierto, está diseñado para mejorar la eficiencia de la IA a través de una “comunicación bidireccional entre aplicaciones impulsadas por IA y fuentes de datos diversificadas en tiempo real”.

La arquitectura está diseñada para abordar una frustración creciente: las salidas de IA obsoletas causadas por la falta de conexión con los datos en tiempo real. Anthropic afirma que el protocolo unificado puede mejorar el desarrollo y la funcionalidad de la IA para las empresas y hacer que sean más similares a las humanas a través de la conciencia del contexto en tiempo real. Según la empresa, cada nueva fuente de datos empresariales requiere implementaciones de IA personalizadas, lo que crea ineficiencias. El MCP busca abordar esto ofreciendo un marco de trabajo estandarizado que los desarrolladores puedan adoptar universalmente.

“La arquitectura es sencilla: los desarrolladores pueden exponer sus datos a través de servidores MCP o construir aplicaciones de IA (clientes MCP) que se conecten a estos servidores. En lugar de mantener conectores separados para cada fuente de datos, los desarrolladores pueden construir contra un protocolo estandarizado”, explicó Anthropic en un artículo del blog. “A medida que el ecosistema madure, los sistemas de IA mantendrán el contexto a medida que se muevan entre diferentes herramientas y conjuntos de datos, reemplazando las integraciones fragmentadas de hoy en día con una arquitectura más sostenible”.

Los modelos de IA, incluido el asistente insignia de Anthropic, Claude, pueden integrarse con herramientas como Google Drive, Slack y GitHub. Los expertos sugieren que el MCP tiene el potencial de transformar las integraciones de IA empresariales de la misma manera que la Arquitectura Orientada a Servicios (SOA) y otros protocolos revolucionaron la interoperabilidad de las aplicaciones.

“Tener un protocolo de industria estandarizado para tuberías de datos entre LLM y fuentes de datos es un cambio de juego. Al igual que REST y SQL en la industria del software, protocolos estandarizados como el MCP pueden ayudar a los equipos a construir aplicaciones de GenAI más rápido y con mayor confiabilidad”, Gideon Mendels, cofundador y CEO de la plataforma de evaluación de modelos de IA Comet, me dijo. “Esto sigue la realización del mercado en los últimos seis meses de que un gran modelo de LLM no es suficiente”.

Anthropic también reveló que los adoptantes empresariales tempranos, incluidos Block y Apollo, ya han integrado el MCP en sus sistemas. Mientras tanto, los proveedores de herramientas de desarrollo como Zed, Replit, Codeium y Sourcegraph están colaborando con el MCP para mejorar sus plataformas. Esta asociación tiene como objetivo ayudar a los modelos y agentes de IA a recuperar información más relevante a través de datos en tiempo real, comprender el contexto de manera más efectiva y generar salidas matizadas para tareas empresariales como la codificación, con mayor eficiencia.

“Los modelos de IA que son más humanos y autoconscientes pueden hacer que la tecnología se sienta relatable, lo que podría impulsar una adopción más amplia”, Masha Levin, Emprendedor en Residencia en One Way Ventures, me dijo. “Todavía hay mucho miedo alrededor de la IA, con muchos viéndola como una simple máquina. Humanizar estos modelos podría ayudar a calmar esos temores y fomentar una integración más suave en la vida cotidiana”.

Levin también advirtió sobre un posible inconveniente. “Hay un riesgo de que las empresas puedan volverse demasiado dependientes de la IA para el apoyo, lo que podría permitir que la IA influya en sus decisiones de manera extrema, lo que podría llevar a consecuencias perjudiciales”.

Sin embargo, la verdadera prueba para el MCP será su capacidad para ganar una adopción generalizada y superar a sus competidores en un mercado congestionado.

Anthropic MCP vs. OpenAI y Perplexity: La batalla por los estándares de innovación de IA

Aunque el enfoque de código abierto de Anthropic MCP marca un avance notable para la innovación de IA, entra en un paisaje competitivo dominado por gigantes tecnológicos como OpenAI y Perplexity.

La función “Trabajar con aplicaciones” de OpenAI para ChatGPT muestra capacidades similares, aunque con un enfoque propietario en priorizar asociaciones cercanas sobre estándares abiertos. Esta función permite que ChatGPT acceda y analice datos y contenido de otras aplicaciones, pero solo con permiso del usuario, eliminando la necesidad de que los desarrolladores copien y peguen manualmente. En cambio, ChatGPT puede revisar los datos directamente desde una aplicación, entregando sugerencias más inteligentes y conscientes del contexto debido a su integración con datos de Internet en tiempo real.

Además, la empresa también introdujo su arquitectura de datos en tiempo real en octubre, llamada “API en tiempo real”, que permite que los asistentes de voz respondan de manera más efectiva al extraer contexto fresco de Internet. Por ejemplo, un asistente de voz podría realizar un pedido en nombre de un usuario o recuperar información de cliente relevante para entregar respuestas personalizadas. “Ahora con la API en tiempo real y pronto con audio en la API de finalización de chat, los desarrolladores ya no necesitan combinar varios modelos para habilitar estas experiencias”, dijo OpenAI en un artículo del blog. “Bajo la capa, la API en tiempo real permite crear una conexión de WebSocket persistente para intercambiar mensajes con GPT-4o”.

De manera similar, el protocolo de datos en tiempo real de Perplexity para IA, conocido como el pplx-api, proporciona a los desarrolladores acceso a su gran modelo de lenguaje (LLM). Esta API permite que las aplicaciones envíen consultas de lenguaje natural y reciban información detallada y actualizada de la web. A través de un solo punto de conexión de API, permite la recuperación de datos actualizados y respuestas conscientes del contexto para aplicaciones de IA, lo que permite a los desarrolladores construir aplicaciones que permanecen alineadas con la información más reciente.

“Normalmente, la industria tiende a estandarizar en una solución de código abierto, pero a menudo esto lleva años. Es muy probable que OpenAI intente introducir más protocolos”, dijo Mendels. “Pero si el MCP gana una adopción generalizada como el primer estándar de su tipo, podríamos ver técnicas y prácticas recomendadas que comienzan a estandarizarse alrededor de él”.

¿Puede el MCP de Anthropic establecer el estándar para la integración de IA consciente del contexto?

A pesar de su potencial, el MCP de Anthropic enfrenta desafíos significativos. La seguridad es una preocupación principal, ya que permitir que los sistemas de IA accedan a datos empresariales sensibles plantea el riesgo de fugas si el sistema se vuelve renegado. Además, convencer a los desarrolladores ya establecidos en ecosistemas existentes para que adopten el MCP podría ser difícil.

Otro problema es el tamaño de los datos, según JD Raimondi, jefe de ciencia de datos en la empresa de desarrollo de TI Making Sense. Me dijo: “Anthropic es el líder en experimentos que conducen a contextos grandes, pero la precisión de los modelos se ve gravemente afectada. Es probable que mejoren con el tiempo, y en términos de rendimiento, hay muchos trucos para mantener la velocidad aceptable”.

Aunque Anthropic afirma que el MCP mejora la capacidad de la IA para recuperar y contextualizar datos, la falta de benchmarks concretos para respaldar estas afirmaciones puede obstaculizar la adopción. “Ya sea que seas un desarrollador de herramientas de IA, una empresa que busca aprovechar los datos existentes o un adoptador temprano que explora la frontera, te invitamos a construir el futuro de la IA consciente del contexto junto con nosotros”, dijo Anthropic.

A medida que los desarrolladores prueban las capacidades del MCP, la industria estará observando para ver si este estándar abierto puede ganar la tracción necesaria para convertirse en un estándar para la integración de IA consciente del contexto. Mendels sugiere que la estandarización podría ser una movida inteligente para Anthropic, potencialmente mejorando la interoperabilidad y permitiendo que los equipos experimenten con diferentes combinaciones de herramientas para determinar la mejor opción para sus necesidades. “Right now, it feels too early to say that many processes in the AI ecosystem are standardizing”, Mendels noted. “With innovation happening so rapidly, today’s best practices might be outdated by next week. Only time will tell if a protocol like MCP can succeed in standardizing context data retrieval”.